AI 人工智慧與 BI 商業智慧,你需要什麼?

BI 商業智慧

「人工智慧這幾年很夯,我們可以研究一下!」

「看能否知道『客戶喜歡什麼、哪些商品業績好或哪些不好、公司做那些廣告到底有沒有用』。」

「請問是指未來狀況的預測,還是過去結果的分析?」

「這有哪裡不一樣嗎?」

以上對話,如果很有既視感,或許你也曾經參與類似的討論或自我思辨過。

根據 Hive Ventures 攜手台灣人工智慧學校、Startup Island Taiwan 等單位推出的「台灣企業AI趨勢報告」指出,企業導入 AI 的目標依序為:

  • 35.96% 提高組織效率
  • 21.78% 提升客戶忠誠/體驗
  • 24.48% 增加收入
  • 15.38% 降低成本
企業導入 AI 目標
(企業導入 AI 目標。資料來源:台灣企業AI趨勢報告)

然而,不少企業不只對「人工智慧」許下了這些心願,他們也對「商業智慧」許下了幾乎一致的願望(因為4個項目都屬於商業領域的範疇)其原因是否因著兩個名詞都提及了「智慧」,所以讓人有所「誤會」?還是兩者間,本來就該是一種「交會」?

AI,做這些事情──人工智慧概念

人們總是對 AI 人工智慧存在一種期待,就是「預測」,期望它可未卜先知、料事於先。

以現行「人工智慧」的發展,人工智慧是「從過往的經驗中,找出脈絡,並脈絡變為機制,利用機制『辨識、判斷、預估』同一領域的相同事件(人、事、物)」,協助人類處理大量、複雜、重複性高、需要高度與精密計算的事。目前最常見的就是「機器學習(人類進行特徵工程,透過資料加以訓練)」與「深度學習(讓電腦自己進行特徵工程,透過大量資料訓練)」。

例如透過數萬張的肺部 X 光照片,訓練人工智慧判斷患者確診 COVID-19,讓醫生不用一個一個判斷,提高檢測效率、降低時間成本、減少誤判機率。

此時回過頭來看,會發現:經驗就是「資料」、脈絡就是「特徵工程」、機制就是「演算法」,而所謂的 NLP 自然語言處理、CV 電腦視覺諸如此類的人工智慧名詞,就是用於解決特定目的,並將三者串連起的專門領域技術。

目前的人工智慧,強調垂直領域的應用,例如「車牌辨識」無法直接應用在「行銷分析」上,即便都是採用了電腦視覺 CV(Computer Vision),但因目的不同、特徵工就不同、演算法亦不同,所以資料更不同,無法如科幻電影一般,做出一個什麼都懂的人工智慧(例如漫威中鋼鐵人的人工智慧管家賈維斯)。

AI 人工智慧透過大量數據資料進行機器學習、深度學習等訓練,便能進行更精準的預測

(圖說:AI 人工智慧透過大量數據資料進行機器學習、深度學習等訓練,便能進行更精準的預測。)

 

不難發現,「資料」就是人工智慧最重要的東西,沒資料、沒智慧,資料必須專門應用在專屬領域,這也可以導正對於人工智慧的迷思幻想:

迷思1:人工智慧等於人型機器人(並非如此,倘若人型機器人無法處理資料,也不是人工智慧)

迷思2:人工智慧能處理所有問題(不是哆啦A夢;是垂直領域的專一運用,用來解決特定問題)

迷思3: 人工智慧就是拿來做預測(沒資料、沒智慧;有資料也難預測,如:天災、戰爭、經濟)

 

BI,做這些事情──商業智慧的概念

從「台灣 AI 趨勢調查報告」可以知道,企業對於人工智慧的期待仍是希望聚焦於「商業(或管理)」上,畢竟企業的核心宗旨就是在於創造獲利,致力「提高營收、降低成本」,透過「改善產品、優化服務、精準行銷、有效支出」。此時,就不得不提到一個很相似的名詞──「商業智慧」

商業智慧的概念在1989年就開始被通俗化的傳播(最早於1960年代被提出,類似一種資訊系統的概念),1996年調研機構 Gartner Group 給予正式定義:商業運營中,資料收集、儲存、分析的流程與方法。其中商業分析包括:資料挖掘、預測性分析、應用分析和統計學。因此,商業智慧須具備「資料倉儲(Data Warehouse)、線上分析處理工具(OLAP)與和資料探勘(Data Mining)」三個主要元素,依據企業需求與科技進展,發展為具有「資料挖掘、資料視覺化、資料工具、商業分析」等功能。

數據分析平台介面示意圖

(商業智慧 – 數據分析平台具有資料挖掘、資料視覺化、資料工具、商業分析等功能。)

企業期望從累積的龐大資料中,在「沒有規則中,找出規則」。換句話說,就是期望從一大堆看不出來很難看出來規則的資料中,找到共通的規則,讓企業「有跡可循」進而做出「規劃、決策、診斷、修正」到達企業營運的效益

正如經典案例「啤酒與尿布」,找到了消費者為何同時會購買兩樣東西的「意圖」。

案例發現,尿布與啤酒擺在一起可以刺激銷售、創造帶貨。原因是周五晚上,那些「手上拿著啤酒、看著美式足球」的爸爸們,不想在比賽正精彩時被老婆大人叫去買嬰兒尿布,索性在購買啤酒時,就隨手帶上了幾組。儘管此一個案例是否真實,眾說紛紜,但它確實是解釋如何從「商業智慧」中找到顧客「意圖」的絕佳案例。

此外,統計分析大廠 SAS 也曾分享與銀行的合作案例,其中指出,利用網路買機票,且又在七天內到訂房網站搜尋者,通常都是真正的要出國者,只要一分析出該類客人,就會配合旅行當地的特約店家,提供刷該銀行信用卡享餐飲與租車優惠的服務。

 

AI 與 BI 的關係:不是替代,而是共生互補

「人工智慧」與「商業智慧」從目的與本質上來看,並非一個維度,沒有誰高誰低,是解決問題的目標與功能不一樣。意義上,商業智慧是一種概念,解決商業領域中的問題(如同前述);人工智慧是一種技術,解決各個領域中人類做起來很繁瑣、很複雜、很單一、不夠精準,但電腦做起來很快、很有效率、很精準的事情。

 

因此,可以說:

商業智慧很挑明的聚焦在商業上,但未必要採用人工智慧的技術,利用統計分析、資料採礦也能運行。

人工智慧可以應用在不同產業上,不同的產業會有不同的資料、特徵工程、演算法,達成不同的目的。

 

然而,他們同樣需要「資料」,需要找出「脈絡」,也同樣需要「處理機制」,前者可以是統計模型,後者則是運用演算法。前者可以找出脈絡後直接給答案,未必要形成處理機制;後者則將脈絡變為「處理機制」,供日後遇到相同人事物時來分析運用。

以尿布與啤酒而言:商業智慧告訴你爸爸買啤酒時會順便帶尿布,因此行銷人員可以把這兩樣商品放在一起做促銷,透過擺放的位置或是包裝在一起的價格;人工智慧則可以告訴你哪樣的爸爸,會在買啤酒時順便尿布,告訴你下一個可能會這樣做的爸爸,具備有怎樣的條件、或是符合這些條件的爸爸會是哪一些人(資料來自,數萬數千筆買啤酒又買尿布,且「會員身分是爸爸」的交易紀錄,讓透過深度學習或機器學習,找到某種共通條件。)。

 

人工智慧化的商業智慧

特別強調,商業智慧中,所謂的「看不出來」與「很難看出來」,指肉眼凡胎的人類,並非指的是機器。這正是 AI 與 BI 可以有所關聯的關鍵。

綜觀前述,商業智慧是希望讓企業「有跡可循」,進而做出「規劃、決策、診斷、修正」到達企業營運的效益。而企業營運所追求的,也正好反應於「企業導入AI的四個目的上:提高組織效率、提升客戶忠誠/體驗、增加收入、降低成本」。原因無他,企業本身的宗旨就是創造獲利,致力「提高營收、降低成本」,因此:

人工智慧可以:

發展出「專門用於商業,解決數據分析、管理診斷、智慧監控」的人工智慧。如前述所說,垂直應用,專精於商業智慧服務與其產業之應用,也就是商業智慧化的人工智慧

商業智慧可以

採用人工智慧技術作為運算,取得更精準、準確的結果,取代原本需要人力的複雜工作,或是原本用統計學模型做不到的事(統計學是在既有的公式下,分析資料,預估未來相同事件的機率、歸納過去相同事件的現象;而如深度學習就是讓電腦自己去找到特徵、找到規則),也就是人工智慧化的商業智慧

 

數位與內容時代下的「人工智慧化商業智慧」

awoo 的 SEO 人工智慧解決方案,採用了人工智慧的「NLP 自然語言處理技術」與「Raspberry Pi 混搭虛擬化技術」,結合「自家專業 Know-How」、「第三方平台客觀數據」及「大數據精準建議」提供客觀、精準、符合消費市場的 SEO 建議,正是數位與內容時代下「人工智慧化商業智慧」的實際運用。

(註:awoo Know-How 來自「超過10年的 SEO 顧問專業知識、13,000家客戶數的服務經驗、逾100億關鍵字的資料庫」)

此外,awoo 的 PDP 商品數據平台,採用了人工智慧中的 NLP 自然語言處理與 CV 電腦視覺,來協助企業在經營商品時,自動化提取「商品本身的規格」與「商品相關使用場合、屬性風格、需求情境的字詞」,再與「CRM、CDP、DMP 等顧客數據」交叉比對,分析出消費者背後的購買「意圖」,讓企業在行銷佈局上可以落實「數據驅動」,也是利用「人工智慧」來優化商業智慧的實際案例。

awoo PDP 產品數據平台 (awoo PDP 採集個渠道的數據進行全面性的分析,即時偵測進站用戶的購物意圖。圖片來源:awoo)

在過去的年代,商業智慧的資料範疇,僅止於企業從事商業活動的資料。在行動網路、行動裝置與社群興起下的時代,企業從事商業活動的「內容」及「與顧客/使用者互動的數據」,也早已成為商業智慧中的重要項目。

企業與行銷人員必須知道商品的熱搜字,用哪一個字詞容易被熱搜、哪一個字詞容易引發導流、引發購買、再行銷時能吸引回訪。

甚至是從商品的角度而言,必須了解會「搜尋某商品的消費者,通常是怎樣的意圖、有怎樣的條件」或是「在官網與電商平台上,產品文案要放入怎樣的字詞,才能對應消費者的搜尋習慣與網路行為」。

因此,若從企業導入 AI 的四個目的來看,人工智慧確實能讓行銷人員在「內容」及「與顧客/使用者互動的數據」上得到幫助:

  1. 提高組織效率(不用花大把的時間與臆測,找尋客戶要什麼,而是用資料分析來證明)
  2. 提升客戶忠誠/體驗(了解客戶「意圖」,給予需要的商品資訊,讓人馬上找到想要的東西)
  3. 增加收入(用自動化且個人化的標籤,打造電商網站中分類頁/商品頁文案,引起購買動機)
  4. 降低成本(使用精準的關鍵字做為廣告條件或廣告文案,更有效率投遞給對的客戶)

這無形之中也實現了企業期望透過商業智慧,在「沒有規則中,找出規則」的目的。讓企業在數位與內容為王的時代下「有跡可循」,以數據驅動的方式進一步「規劃、決策、診斷、修正」,做出有利於企業、客戶、社會三贏的商業行為。

 

想要進一步了解 awoo PDP、awoo AMP 電商行銷解決方案及 OMO 解決方案,歡迎立即諮詢,將有 awoo 專業顧問為您服務。

立即聯絡阿物 

延伸閱讀:智慧零售:從 OMO 到 BI 商業智慧,如何運用數據決策讓收益最大化?

延伸閱讀:超個人化行銷時代:運用科技洞察顧客意圖,提供貼心服務

相關文章

文章分類

關於我們

awoo 團隊由橫跨台日的國際搜尋引擎專家所組成,長期觀察國際數位行銷趨勢,期望透過產業趨勢內容帶動台灣數位行銷環境發展。

擁有十年以上 SEO 顧問服務經驗,awoo 結合AI 科學家與 MarTech 行銷科技,提供全方位行銷自動化服務,替客戶解決 SEO、SEM、EDM等數位行銷難題,開啟台灣數位行銷的 AI 時代。

追蹤我們

行銷漏斗

將驗證百次的

成功方程式

 

運用在您的網站